老AI人面对MCP、Skills等新名词

算法不远，AI就在身边。下面是算法服务生活时间，我是主持人TF男孩。

最近圈里天天刷 Agent、Skills、MCP。名词换得比季节快，我还在自己的工程路径上凿井：数据自己标，模型自己训，脚本自己焊。我从 RNN 一路走到 LLM，重新训练过LLM ，改造过 YOLO 。这不，用本地 OCR 加 Qwen 加 Python，游戏都能自动打。我玩一个游戏，每打一个新地图需要升5级，懒得打，还想看新地图。也没钱找代练，就自己写了一个脚本，模拟鼠标点击操作。每一步都是毫秒级。

照这个技术看，底子还行，还算硬。但是偏偏自己看招聘启事发慌：是不是跟不上时代了？那些个MCP、Skills好学吗？我还能找到新工作吗？

我先给自己吃一颗定心丸，也给跟我一路的人吃一颗。底子没有过时。过时的，往往只是交付方式。看完效果，名词会自己掉下来。

先看效果，别急着听名词。找 NPC、点对话框、瞄准稻草人王、消失后再去找 NPC------这是我桌上那条流水线，眼睛、脑子、手都在转。不是演示文稿里的智能体，是能在 Windows 桌面上真点下去的程序。

听着很新。看着很潮。其实啊，我写这套挂机的时候，已经在 Agent 门口站了好几年。差的不是数学，是一张插头，再加一本用到才翻的手册。

一、圈里在喊的，到底是什么

大模型现在不太像聊天窗口了。更像操作系统的内核：算力在，指令集在，可它自己既没有鼠标，也没有我这行当的 SOP。

flowchart LR llm[LLM内核] loop[循环和规划] tools[Tool_MCP手脚] skill[SKILL手册] llm --> loop loop --> tools skill --> loop

Agent，就是给内核配上三样东西：循环、规划、手脚。丢给它一个宏观目标，它拆任务、调工具、报错了再试，直到活干完或者承认干不完。不是问一句答一句。我以前那个自动打游戏，本质上就是一个简易的硬编码 Agent------状态写在 if 里，工具焊在同一个 while True 里。圈里流行的，是把「焊死」改成「可插拔」。

Skills，别被英文吓到。它不是新权重，不是新损失函数。它就是一个文件夹，核心是一份 SKILL.md：这技能叫什么、什么时候用、步骤怎么走、失败了怎么办。亮点叫渐进式加载：平时 AI 只瞟一眼目录上的短描述，真遇到相关活，再把详细手册读进来。以前为了教模型做一件复杂的事，几千字提示词全塞系统提示里，又贵又容易把模型灌迷糊。现在把人类的行业经验打包成模块，用到再翻。跟修电器先看目录、对上型号再翻那一章，是一个道理。听着很正式，其实就这么几行：

---
name: scarecrow-king
description: 对话框里选挑战稻草人王。打架瞄准不要用。
---
# SOP
点最像「开战」且含稻草人王的一行。
没有挑战项就 Esc。禁止把 FIGHTING 交给大模型。

顺手提一句 MCP。它不是新模型。我把它理解成工具的 USB 口：截图、识别、点击，按同一套契约暴露出去。Cursor 也好，我自己的 Agent 也好，插上就能调。协议而已。同一只手，加个装饰器就挂出去了：

@mcp.tool()
def click_xy(x: int, y: int) -> dict:
    """点击屏幕坐标。DRY_RUN 时只记日志。"""
    return click(x, y)

所以那两样好学吗？对我这种训过 GLM、写过 OCR、自己转过状态机的人来说，是窗户纸。求职需不需要？需要的是能讲清楚，并且手上有一个真转过圈的项目；不需要的是把框架名词背成喜鹊。市面上不少人会画架构图，未必能让键鼠在游戏窗里点准。我若能把两头接上，反而稀缺。

二、原来那个项目，到底焊在哪

我拿自己这条传奇单机挂机开刀。活很具体：找 NPC，打开对话，认出「稻草人王」那一行并点下去，然后盯着怪物按技能，没了再去找 NPC。周而复始。

眼睛是现成的。桌面截窗口，YOLO 认三类东西：NPC、对话框、稻草人。对话框里的字交给本地 OCR。手也是现成的，键鼠模拟，点中心、按快捷键。脑子呢？脑子是一张状态表：找人、点对话、打架。看到对话框里出现固定那几个字，就进入战斗；看不到稻草人了，就算击杀成功。

听着很牛，一条链路从像素走到按键。拆开看，感知、决策、执行全焊在同一个循环里。

flowchart TD loopNode[whileTrue] loopNode --> cap[截图] cap --> yolo[YOLO检测] yolo --> brain["if找人_elif点对话_elif打架"] brain --> hand[键鼠点击] hand --> loopNode

换个程序想用这双眼睛，得把类拆开重写。游戏把「挑战稻草人王」改成「前往试炼」，字符串对不上，流水线直接空转按退出。大模型当时也请到了家里，本地 Qwen 能跑，可它只在单元测试里做阅读理解：三个选项选哪个。主循环根本没叫它。内核买回来了，没接上手脚。

旧主循环抽干了，大概是这样。GUI 我略掉了，骨头就这些：

while running:
    img = grab_window()
    objs = yolo(img)  # npc / dialog / scarecrow
    if state == "FIND_NPC":
        click(center(objs["npc"][0]))
        state = "CLICK_DIALOG"
    elif state == "CLICK_DIALOG":
        for line in ocr(crop(objs["dialog"][0])):
            if "稻草人王" in line.text:
                click(line.xy); state = "FIGHTING"; break
        else:
            press("esc"); state = "FIND_NPC"
    elif state == "FIGHTING":
        if objs["scarecrow"]:
            move_to(center(objs["scarecrow"][0])); press("f2")
        else:
            state = "FIND_NPC"  # 认为打完了

这就是很多老工程路径的老实处，也是它的天花板。老实处是快。截图、检测、0.5 秒一刀，中间没有网络、没有「让我想想」。天花板是：流程一变就改源码，能力无法借给别人。

三、改造不换引擎，只换接法

我一听 Agent，也曾动过歪念头：把整条 while True 扔进大模型，每帧截张图问 Qwen 现在点哪。那不叫升级，叫给步枪换上宣纸准星。战斗是 0.05 秒一圈、0.5 秒一刀的活。本地 7B 想一次，往往是秒级。YOLO 已经把稻草人框出来了，再问模型该不该打，纯属耽误事。

正确的改法很土，也因此很稳。我把它叫双速。

flowchart TD capture[截图加YOLO] subgraph fastLoop [快回路_Python] findNpc[FIND_NPC] fighting[FIGHTING] end subgraph slowLoop [慢回路_LLM] ocr[OCR选项] skill[加载SKILL] llm[Qwen工具调用] clickOpt[点第几项或Esc] end capture --> findNpc capture --> fighting capture --> ocr ocr --> skill skill --> llm llm --> clickOpt

快回路：截图、检测、找人、瞄准。继续 Python，继续 YOLO。这是我原来就会的，别扔。慢回路：只有对话框这种「字可能会变、选项可能变多」的地方，才把 OCR 结果交给模型，让它以工具调用的方式选一行去点，或者判断该按退出。模型能调的手就三只：列出选项、点第几项、按 Esc。它看不见、也调不到「朝怪物放技能」。技能手册里写得明白：打架不准交给大模型。

具体就五层皮，皮都不厚。

第一层，把眼睛和手从窗口程序里拽出来，变成普通函数。找窗、截图、检测、识字、点击。这叫 Tool。没有这一步，后面全是空壳。

第二层，愿意的话，把同一批函数挂到 MCP 上，给外人用的插头。我自己的挂机主循环，同进程直接调就行。

第三层，把「如何刷稻草人王」写成 Skill。文案从「稻草人王」变成「挑战试炼」，我改手册，不必改那行字符串判断。

第四层，才是大家嘴里的 Agent：外置状态、工具调用、循环。循环还是我的循环。模型只在点对话时进场。Ollama 挂了，就按退出回到找人。

第五层，LangGraph 之类，是把同一张状态表画成节点和边。面试能画图，协作能看懂。它不是更快的引擎。日常手感，快回路那个循环就够。

双速跑起来，骨架几乎还是原来的 if，只是点对话那一支出去了：

while True:
    snap = observe()          # 截图 + YOLO
    if state.phase == "FIND_NPC":
        step_find_npc(state, snap)      # 快：点 NPC
    elif state.phase == "CLICK_DIALOG":
        step_dialog(state, snap)        # 慢：OCR 后交给 Qwen
    elif state.phase == "FIGHTING":
        step_fight(state, snap)         # 快：瞄准按键

慢回路里，模型返回的不是「请点击左边那个」，而是调函数。这叫 tool calling，形状就这一点：

client.chat.completions.create(
    model="qwen2.5-coder:7b",
    messages=messages,  # 里面塞了 SKILL.md 正文
    tools=[{
        "type": "function",
        "function": {
            "name": "click_option",
            "parameters": {"type": "object",
                "properties": {"index": {"type": "integer"}},
                "required": ["index"]},
        },
    }],
)

运行时把 tool_calls 执行掉，点第几项或按 Esc，再把结果填回去。改造完成，打怪的手感应当还在。变的是进战前那一下：以前 OCR 对上字立刻点，现在可能要等模型想一秒到几秒。一轮刷怪里对话框只出现一次，打架仍占大头。我换来的是：选项改名、多出「离开」「活动」，流水线还有机会选对。快的地方继续快，该慢的地方才慢------这才叫架构，不叫把所有齿轮都换成金的。

四、商场卖水，和小卖部卖水

新模式不是一切都好。好不好，主要看项目规模。布置是否恰当，比是不是今年流行更重要。

街边小卖部卖水，柜台伸手就够。进货三箱，回头客叫得出老板小名。非要按大型商场来：扶梯、导视牌、消防分区、会员中台。水还是那瓶水，开张前三个月都在对接系统。这不是先进，这是把小生意按大规范砸贵了。

反过来，要开连锁，十个店员，水、饮料、关东煮一起卖，还要和总部对库存。还只用一个抽屉收钱，账对不清，新人上手全靠口口相传。这不是朴素，这是拒绝长大。

我的旧挂机像小卖部。快，稳，出了问题我知道在哪一行。代价是：只有这一个程序能用这双手；文案一变就得改源码；我和招聘市场上的「Agent 工程师」对不上话，尽管我比很多人更会干活。客人只有一个，SKU 只有三瓶水，这样开店很香。

我这套新接法，像给小店装了一排标准货架和一本店员手册。对话框抗变一点，工具能借给别人，故事能讲给面试官听。代价也清楚：目录变多，概念变多，进战前可能顿一下。若需求永远是「这三个字不变、这条流水线不增加」，上全套 Agent，等于小卖部按商场消防规范装修------能过验收，卖水未必更快。客流上来了，店员换了三茬，还不做导视，也不写手册，那是另一头的错。

还有一笔账，很多人不好意思说。MCP、Skill、图编排，都是工程规范，不是精度魔法。YOLO 框漂了，OCR 认错字，键鼠点偏了，换再新的协议也救不回来。内核再强，摄像头糊成一团，操作系统也帮不了忙。老板们往往不缺名词，缺的是能在脏环境里把闭环跑住的人。高端技术投入也多。两块钱一打的一次性手套，能解决某个特定场景，就先用手套。

五、不追新，也不装看不见

求职要不要 Agent 和 Skills？要能讲，更要能指着一个项目说：哪些是快回路，为什么打架不过模型；哪些是慢回路，Skill 解决的是文案和例外；MCP 是插头，主循环可以不走插头。这样讲，比报三个框架名像人。只会调 API、没碰过检测和桌面自动化的人，缺的恰恰是我手上已经有的那部分。

好学吗？路径很短。会写函数，就会 Tool。会写 README，就会 Skill。对着 OpenAI 的接口发过消息，tool calling 只是让返回值从散文变成「调哪个函数、参数是什么」。图编排可以后放。先把对话框从字符串匹配里解放出来，就完成了最关键的那一跳。

不要盲目追求新事物。一条永远不会变的死流程，while True 加状态表，仍然是优解。不要固守老思维。流程开始分叉、文案开始漂、能力开始要借给第二个程序，还把所有智慧写死在一个类里，那是在用 2018 年的焊法应对 2026 年的接口。窗户纸该捅就捅。无菌手术台不是用来开瓶装水的。布置恰当，小卖部也体面；布置不当，商场也只是贵。

我自己的取舍很简单。打怪的手，留在老路上。认字选路的脑，换成手册加模型。旧窗口程序还留着，对照着用。新的不推翻旧的，旧的也不嘲笑新的。谁合适谁上。技术是手套，场景才是手。手套可以换，手别砍。

好了，这期的AI生活有妙招就到这里。咱们下棋见......下期见。

我是爱生活、爱技术的TF男孩。